Τεχνητή Νοημοσύνη & Τέχνη.

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
Πανεπιστήμιο Δυτικής Μακεδονίας Πανεπιστήμιο Δυτικής Μακεδονίας Παιδαγωγικό Τμήμα Νηπιαγωγών Τίτλος Μαθήματος Ενότητα # (bold): Τίτλος Ενότητας (normal)
Advertisements

Οργάνωση πληροφοριών Ταξινόμηση (Θ) Ενότητα 11: Τύποι Ευρετηρίων Δάφνη Κυριάκη-Μάνεση Τμήμα Βιβλιοθηκονομίας και Συστημάτων Πληροφόρησης Το περιεχόμενο.
1 Ενότητα 5: Ταυτότητες στη Διασπορά – Η περίπτωση εφήβων με μεταναστευτικό υπόβαθρο Διδάσκων: Χρήστος Γκόβαρης Τμήμα: Παιδαγωγικό Δημοτικής Εκπαίδευσης.
Διδακτική Πληροφορικής Ενότητα 3: Η Πληροφορική στην Εκπαίδευση. Διδάσκων: Γεώργιος Σούλτης, Επίκουρος Καθηγητής. Τμήμα Μηχανικών Πληροφορικής, Τεχνολογικής.
Υδραυλικά & Πνευματικά ΣΑΕ
Ανθρωπολογία του Θεάτρου Ενότητα 4 η : Βασικές αρχές της Τέχνης του Ηθοποιού Γιώργος Σαμπατακάκης, M.Phil. (Καίμπρητζ) – Ph.D. (Λονδίνο) Τμήμα Θεατρικών.
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εισαγωγή στην Πληροφορική και Εκπαίδευση - Νέες Τεχνολογίες Παράλληλος προγραμματισμός Διδάσκουσα: Καθηγήτρια.
Τεχνολογία Ξύλου 1 Ενότητα 13: Ποιότητα και Πιστοποίηση Ξυλείας Διδάσκων: Δρ. Μιχάλης Σκαρβέλης, Αναπληρωτής Καθηγητής. Τμήμα Σχεδιασμού και Τεχνολογίας.
Υδραυλικά & Πνευματικά ΣΑΕ Ενότητα # 8: Προηγμένα Πνευματικά Συστήματα Μιχαήλ Παπουτσιδάκης Τμήμα Αυτοματισμού ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό.
Εισαγωγή στη Νοσηλευτική Επιστήμη Ενότητα 4: Στρες και Στρατηγικές Αντιμετώπισης – Νοσηλευτική Φροντίδα. Κοτρώτσιου Ευαγγελία, Καθηγητής, Τμήμα Νοσηλευτικής,
Κλασσική Μηχανική Ενότητα 1: Εισαγωγικές Έννοιες-Ορισμοί Βασίλειος Λουκόπουλος, Επίκουρος Καθηγητής Τμήμα Φυσικής.
Τμήμα Τεχνολόγων Γεωπόνων Τίτλος Μαθήματος: ΚΑΛΛΩΠΙΣΤΙΚΑ ΔΕΝΤΡΑ ΚΑΙ ΘΑΜΝΟΙ Ενότητα 12: Οδηγίες δημιουργίας φυτολογίου Γρηγόριος Βάρρας Αν. Καθηγητής Άρτα,
Αρχές Πληροφορικής Ενότητα # 13: Επεξεργασία κειμένου – LibreOffice #3
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
Διοίκηση ολοκληρωμένης επικοινωνιακής στρατηγικής
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
Ανοιχτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ηπείρου
Ψηφιακή Επεξεργασία Εικόνας
Ανάπτυξη Εκπαιδευτικού Λογισμικού
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
Ανοιχτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ηπείρου
Αρχές Πληροφορικής Ενότητα # 12: Επεξεργασία κειμένου – LibreOffice #2
Ανάπτυξη Εκπαιδευτικού Λογισμικού
ΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα # 10: Εισαγωγή στο Ms Powerpoint Τμήμα Ιστορίας
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
Ανάπτυξη Εκπαιδευτικού Λογισμικού
ΕνΟτητα # 6: Ms Word IΙΙ CLAUDIA BOETTCHER ΤμΗμα ΙστορΙαΣ
ΠΑΡΟΥΣΙΑΣΕΙΣ ΜΑΘΗΜΑΤΟΣ ΠΙΘΑΝΟΤΗΤΕΣ(9)
Αρχές Πληροφορικής Ενότητα # 11: Επεξεργασία κειμένου - LibreOffice
Ενότητα # 8: ΡΕΑΛΙΣΜΟΣ Αιλιάνα Μαρτίνη Τμήμα Ιστορίας
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
Ανοιχτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ηπείρου
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
ΦΡΟΝΤΙΣΤΗΡΙΟ: ΘΕΡΜΙΚΕΣ ΤΑΣΕΙΣ
Διαχείριση Κινδύνου Ενότητα 7: Παρακολούθηση Κινδύνων.
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
Διαχείριση Κινδύνου Ενότητα 3: Σχέδιο Διαχείρισης Κινδύνου.
Επιχειρησιακές Επικοινωνίες
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
Ανάπτυξη Εκπαιδευτικού Λογισμικού
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
ΠΑΡΟΥΣΙΑΣΕΙΣ ΜΑΘΗΜΑΤΟΣ ΠΙΘΑΝΟΤΗΤΕΣ(3)
Τεχνολογία Πολυμέσων Ενότητα # 2: Εφαρμογές πολυμέσων
Αρχές Πληροφορικής Ενότητα # 10: Ιστολόγια. Η υπηρεσία Blogger
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
ΜΗΧΑΝΙΚΗ ΤΩΝ ΥΛΙΚΩΝ ΦΡΟΝΤΙΣΤΗΡΙΟ: ΔΙΚΤΥΩΜΑΤΑ
Επεξεργασία Ομιλίας & Ήχου
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
Ενότητα # 2: Αιλιάνα Μαρτίνη Τμήμα Ιστορίας
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
Αρχές Πληροφορικής Ενότητα # 3: Το εσωτερικό του υπολογιστή
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
Επιχειρησιακές Επικοινωνίες
Αρχές Πληροφορικής Ενότητα # 7: Εργονομία και σχολικά εργαστήρια
ΠΑΡΟΥΣΙΑΣΕΙΣ ΜΑΘΗΜΑΤΟΣ ΠΙΘΑΝΟΤΗΤΕΣ(7)
ΠΑΡΟΥΣΙΑΣΕΙΣ ΜΑΘΗΜΑΤΟΣ ΠΙΘΑΝΟΤΗΤΕΣ(4)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
ΕνΟτητα # 8: Ms Word V CLAUDIA BOETTCHER ΤμΗμα ΙστορΙαΣ
ΠΑΡΟΥΣΙΑΣΕΙΣ ΜΑΘΗΜΑΤΟΣ ΠΙΘΑΝΟΤΗΤΕΣ(5)
ΠΑΡΟΥΣΙΑΣΕΙΣ ΜΑΘΗΜΑΤΟΣ ΠΙΘΑΝΟΤΗΤΕΣ(10)
ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
Ανάπτυξη Εκπαιδευτικού Λογισμικού
Ενότητα # 3: (1) Αιλιάνα Μαρτίνη Τμήμα Ιστορίας
Ανάπτυξη Εκπαιδευτικού Λογισμικού
Ανάπτυξη Εκπαιδευτικού Λογισμικού
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
Μεταγράφημα παρουσίασης:

Τεχνητή Νοημοσύνη & Τέχνη

Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του διδάσκοντα. Το έργο «Ανοικτά Ακαδημαϊκά Μαθήματα στο Ιόνιο Πανεπιστήμιο» έχει χρηματοδοτήσει μόνο τη αναδιαμόρφωση του εκπαιδευτικού υλικού. Το έργο υλοποιείται στο πλαίσιο του Επιχειρησιακού Προγράμματος «Εκπαίδευση και Δια Βίου Μάθηση» και συγχρηματοδοτείται από την Ευρωπαϊκή Ένωση (Ευρωπαϊκό Κοινωνικό Ταμείο) και από εθνικούς πόρους.

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons

Καλλιτέχνες και Τεχνητή Νοημοσύνη It can be argued that while scientists may have more eeffffeeccttiivveellyy ccrreeaatteedd [[mmaacchhiinneess that act like] scientists, it is the artists who have come closest to understanding and perhaps capturing the essence of humanity that … AI researchers ultimately seek. [Joseph Bates, 1994] Μπορεί κανείς να ισχυριστεί ότι, ενώ οι επιστήμονες έχουν δημιουργήσει μηχανές που λειτουργούν σαν επιστήμονες με μεγαλύτερη επιτυχία, οι καλλιτέχνες είναι αυτοί που έχουν πλησιάσει πιο κοντά στην κατανόηση και στην αναγνώριση της ουσίας του ανθρωπισμού, το οποίο είναι αυτό που τελικά οι εερρεευυννηηττέέςς Τεχνητής Νοημοσύνης ψάχνουν.

Καλλιτέχνες και Τεχνητή Νοημοσύνη Σε όλη την διάρκεια της ιστορίας, οι καλλιτέχνες αποτυπώνουν την ζωή και τον κόσμο. Από πολύ νωρίς (τέλη δεκαετίας 60) ξεκίνησαν να πειραματίζονται με τεχνικές της Κυβερνητικής και της Τεχνητής Νοημοσύνης. Senster ((Ihnatowicz, 1986): Δημιουργήθηκε το 1969 από τον γλύπτη Ihnatowicz. Πρόκειται για ρομπότ που με την βοήθεια αισθητήρων ήχου και κίνησης αντιδρούσε σε ερεθίσματα του περιβάλλοντος. ■

“Expressive AI” Είναι ο συνδυασμός έρευνας στην ΤΝ και καλλιτεχνικής έκφρασης Έχει σαν στόχους την διερεύνηση των εκφραστικών δυνατοτήτων των αρχιτεκτονικών ΤΝ - δηλ. την θέση και απάντηση ερωτημάτων στην έρευνα της ΤΝ που δεν θα προέκυπταν εάν αυτή δεν εφαρμοζόταν σε καλλιτεχνικό πλαίσιο την δδιιεεύύρρυυννσσηη των ορίων των δυνατοτήτων της τέχνης - δηλ. την δημιουργία τέχνης που θα ήταν αδύνατη εάν δεν πραγματοποιούταν στα πλαίσια έρευνας ΤΝ. ■

Aaron (Harold Cohen) To πρόγραμμα Aaron χρησιμοποιεί TN για να παράγει κάθε φορά διαφορετικούς πίνακες ζωγραφικής. Οι παραπάνω πίνακες πουλήθηκαν μέσω διαδικτύου για $2000 ο καθένας.

Εφαρμογές ΤΝ στην Τέχνη Εφαρμογές στις κλασσικές τέχνες Ζωγραφική/Χαρακτική Αυθεντικοποίηση δημιουργού και χρονολογίας Λογοτεχνία Αναγνώριση συγγραφέα Μουσική Εφαρμογές σε σύγχρονες μορφές τέχνης ΤΝ και Βιντεοπαιχνίδια ΤΝ και Εικονικοί Κόσμοι

Εκτίμηση έργων τέχνης Η εκτίμηση των έργων τέχνης γίνεται κυρίως από ειδικούς του χώρου. Οι ανθρώπινες κρίσεις, όμως, αναπόφευκτα, είναι υποκειμενικές και επιρρεπείς σε λάθη. Αντικειμενική εκτίμηση μέχρι σήμερα προέκυπτε από χημική ανάλυση επεξεργασία με υπέρυθρες ακτίνες εξέταση των φυσικών χαρακτηριστικών του έργου τέχνης

Αντικειμενικά Χαρακτηριστικά Υπάρχουν χαρακτηριστικά σε ένα πίνακα ζωγραφικής, όπως η απόδοση των σχημάτων η ανατομία των σωμάτων η προοπτική των αντικειμένων η δομή του χώρου η κάλυψη του φόντου η δομή της επιφάνειας του έργου τα οποία μπορούν να χαρακτηρίσουν αντικειμενικά την προέλευση (τον δημιουργό) και την χρονολογία ενός πίνακα.

AUTHENTIC PROJECT Igor E. Berezhnoy, Eric O. Postma, H. Jaap van den Herik H φύση και η κατανομή της πινελιάς είναι χαρακτηριστική για κάθε ζωγράφο. Εξαγωγή των χαρακτηριστικών των πινελιών σε έναν πίνακα: Βήμα 1: Για την αυτόματη αναγνώριση μιας πινελιάς (ανίχνευση του περιγράμματός της): με κυκλικά φίλτρα αυξάνουμε την ένταση των ορίων της πινελιάς σε σχέση με τις υπόλοιπες δομές του πίνακα.

Korenveld met kraaien, 1890 Vincent van Gogh (1853-1890)

Μετά την εφαρμογή του φίλτρου, τα περιγράμματα των πινελιών γίνονται ορατά

AUTHENTIC PROJECT Εξαγωγή των χαρακτηριστικών των πινελιών σε έναν πίνακα: Βήμα 2: Ποσοτικοποίηση του σχήματος της πινελιάς πολυώνυμο 2ου βαθμού (η πινελιά μεταφράζεται στους 3 συντελεστές του πολυωνύμου: αx2 + βx + γ)

Με εφαρμογή της μεθόδου σε 169 έργα του Van Gogh, προέκυψαν πάνω από 60000 πινελιές. Κάθε πινελιά μεταφράζεται σε 3 πολυωνυμικούς συντελεστές (αx2 + βx + γ). α Στο διπλανό σχήμα φαίνεται η κατανομή των δύο συντελεστών (α και β). Δημιουργείται σαφής δομή, οι συντελεστές ομαδοποιούνται σε δυο ομάδες που επικαλύπτονται σε μεγάλο βαθμό. β

Wavelet Analysis for Authentication (2005) Siwei Lyu, Daniel Rockmore, and Hany Farid Στόχος: ταυτοποίηση των έργων του Bruegel Τα έργα σαρώνονται με μεγάλη ανάλυση και αφαιρείται το χρώμα (greyscale) Δύο φίλτρα μονοδιάστατα εφαρμόζονται δδιιααδδοοχχιικκάά στις γραμμές και σσττιιςς στήλες κάθε έργου (συνολικά 4 συνδυασμοί φιλτραρίσματος). Στην επόμενη εικόνα φαίνονται οι 3 από τους 4 συνδυασμούς σε έναν πίνακα.

Διανύσματα χαρακτηριστικών (Feature Vectors) Κάθε πίνακας χωρίζεται σε μπλοκς Για κάθε μπλοκ σχηματίζεται ένα διάνυσμα 72 χαρακτηριστικών. Τα 36 χαρακτηριστικά είναι για κάθε ένα από τα τρία παραπάνω φίλτρα και για τρεις διαφορετικές κλίμακες (scales), τα: μέση τιμή (mean) διασπορά (variance) ασυμμετρία (skewness) κύρτωση (kurtosis) Τα υπόλοιπα 36 χαρακτηριστικά είναι αντίστοιχα χαρακτηριστικά για τα γειτονικά μπλοκ

«Καλά» χαρακτηριστικά «Καλά» είναι τα χαρακτηριστικά που ομαδοποιούν τα μπλοκ του ίδιου καλλιτέχνη, ενώ τα ξεχωρίζουν από μπλοκ πινάκων άλλων καλλιτεχνών.

Note that the points corresponding to the authenticated Bruegels cluster well away from the two imitations.

Rembrandt Research Project Σκοπός του έργου είναι η αυθεντικοποίηση και η χρονολόγηση χαρακτικών έργων τέχνης με ανάλυση της δομής του χαρτιού πάνω στο οποίο έγινε η εγχάραξη ανάλυση του υδατογραφήματος (watermark) του έργου Ακτίνες x αποκαλύπτουν την δομή του χαρτιού και στοιχεία που χαρακτηρίζουν τον τρόπο παραγωγής του € από την διαδικασία παραγωγής του χαρτιού συνάγω πληροφορίες για την χρονολογία και τον δημιουργό

“The windmill”, Rembrandt, 1641

Rembrandt Research Project 16ος-17ος αιώνας: Λινό ύφασμα, σκοινί, καραβόπανα πιεζόταν μέχρι να προκύψουν λεπτές ίνες. Με την προσθήκη νερού γινόταν πολτός. Ο πολτός περνούσε από συρμάτινο σουρωτήρι: το νερό περνούσε, ενώ οι ίνες όχι. Μετά την αποξήρανση του περιεχομένου, προκύπτει φύλλο χαρτιού. Αποτυπώματα από το σουρωτήρι φαίνονται στο χαρτί. Μέθοδοι Αναγνώρισης Προτύπων εφαρμόζονται στο πρότυπο του χαρτιού για να το ταξινομήσουν

Αναγνώριση συγγραφέα "Similar methods have been used to analyze works of literature, like assigning authorship of different parts of The Federalist Papers to Alexander Hamilton and James Madison. We can find things in art work that are unique to the artist, like the subtle choice of words or phrasing and cadence that are characteristic of a certain writer." Hany Farid, Associate Professor of Computer Science

Υφολογικές Παράμετροι Συντακτικό επίπεδο αριθμός λέξεων / περίοδο αριθμός λέξεων/είδος φράσης αριθμός των σημείων στίξης συχνότητα διαφόρων μερών του λόγου συχνότητα χρήσης παθητικής φωνής πλούτος λεξιλογίου μέγεθος λεξιλογίου του κειμένου / αριθμός λέξεων του κειμένου συχνότητα εμφάνισης λειτουργικών λέξεων άπαξ λεγόμενα

Υφολογικές Παράμετροι Λεξικολογικό επίπεδο αρχαϊσμοί μεταφορές σλόγκαν

The Federalist papers ((11778877-11778888)) History Federalist Papers (A. Hamilton, J. Lay, J. Madison): σειρά από δοκίμια που γράφηκαν για την υυπποοσσττήήρριιξξηη του καινούριου συντάγματος 85 στο σύνολο 12 διφορούμενα: δεν ξέρουμε αν έχουν γραφεί από τον Hamilton ή από τον Madison.

ΤΝ και Μουσική Στόχος είναι η δημιουργία υπολογιστικών συστημάτων που έχουν την δυνατότητα μουσικής σύνθεσης, ανάλυσης, ενορχήστρωσης, αυτοσχεδίασης. Μέχρι to 1995 χρησιμοποιούνταν νευρωνικά δίκτυα για την μίμηση (imitation) διαφορετικών μουσικών ειδών. Bruce Jacob (1995): Χρησιμοποιεί γενετικούς αλγορίθμους για να συνθέσει και στην συνέχεια το ίδιο το πρόγραμμα να αποφασίζει αν η σύνθεση είναι μουσική ή κακόηχη. Eduardo Miranda (2002): Χρησιμοποιεί cellular automata (κυψελωτά αυτόματα) και κανόνες για συλλογική μάθηση (collective learning), με σκοπό να φτιάξει ένα σύστημα που για πρώτη φορά συνθέτει πρωτότυπη μουσική. http://www.youtube.com/watch?v=MSxeN00C20g&feature=player_embedded

ΤΝ και Μουσική ΜusicStrands (2005 - University of Barcelona Research Park) Χρησιμοποιεί στατιστική μάθηση, δίκτυα Bayes και πιθανοτικό συμπερασμό για να προτείνει στον χρήστη της ιστοσελίδας ΜusicStrands μουσική που του αρέσει μέσα από 3.7 εκατ. τραγούδια.

Τεχνητή Νοημοσύνη και Βιντεοπαιχνίδια Τα παιχνίδια που διαθέτουν συστατικό ΤΝ (AI component) μπορούν να ααπποοδδώώσσοουυνν σε χαρακτήρες μορφή, έέκκφφρραασσηη, κίνηση και συμπεριφορά πιο κοντά στην ανθρώπινη μπορούν να ααπποοδδώώσσοουυνν στον ήρωα και στους αντιπάλους του σκέψη και συλλογιστική κοντά στην ανθρώπινη, οδηγώντας τους στην λήψη πιο έξυπνων αποφάσεων, με αποτέλεσμα να γίνεται πιο διασκεδαστική και ενδιαφέρουσα η διάδραση με το παιχνίδι.

Τεχνητή Νοημοσύνη και Βιντεοπαιχνίδια Ένας «έξυπνος» ήρωας μπορεί να εκμεταλλεύεται σωστά το τερραίν του να λειτουργεί αποδοτικά και ομαδικά να βελτιώσει την ικανότητά του να κυνηγά παρατηρώντας τα ερεθίσματα του περιβάλλοντος να επιβιώνει (π.χ. να κρύβεται όταν τον πυροβολούν)

Τεχνητή Νοημοσύνη και Βιντεοπαιχνίδια Passage (Thue et al., 2007) To δέντρο αποφάσεων δεξιά καθορίζει την εξέλιξη της πλοκής και την κατάληξη της ιστορίας, ανάλογα με τις προτιμήσεις του παίχτη. Το συστατικό ΤΝ εκπαιδεύεται από τις κινήσεις του παίχτη και τον κατατάσσει σε μια από τις 5 κατηγορίες αυτόματα. Ο παίχτης ανήκει σε μία από τις κατηγορίες: -Fighters (προτιμούν την μάχη) -Power Gamers (προτιμούν την απόκτηση αγαθών και πλούτου) -Tacticians (προτιμούν να σκέφτονται δημιουργικά) -Storytellers (προτιμούν τα πολύπλοκα σενάρια) -Method Actors (που προτιμούν να νάνουν δραματικές ενέργειες)

Τεχνητή Νοημοσύνη, Τέχνη & Εικονικοί ΚΚόόσσμμοοιι Εικονικοί κόσμοι που διαθέτουν συστατικό ΤΝ μπορούν να περιέχουν πιο πιστευτούς χαρακτήρες (με προσωπικότητα, συναισθήματα, σσχχέέσσεειιςς κλπ) να περιέχουν ζωντανούς οργανισμούς (π.χ. κατοικίδια) που διαθέτουν συναισθηματικό κόσμο (π.χ. συνδέονται συναισθηματικά με τα αφεντικά τους) να διαθέτουν πιο ρρεεααλλιισσττιικκόό φυσικό περιβάλλον αποτελούν σημαντική ββάάσσηη για εξομοίωση, εκπαίδευση, ψυχαγωγία.

ΤN & Εικονικοί ΚΚόόσσμμοοιι Εξομοίωση πλήθους (Crowd Simulation) Χρήση νευρωνικών δικτύων για την επιλογή της κατεύθυνσης του κάθε μέλους του πλήθους Steve Agland, Machine Learning, 2002

ΤΝ και Διαδραστική Αφήγηση (Interactive Drama) Συνδυασμός καλλιτεχνικών πρακτικών και τεχνολογικών ΤΝ για την υποστήριξη της εξέλιξης της υπόθεσης ενός σεναρίου με την διάδραση να καθορίζει την συμπεριφορά και την ψυχολογία των χαρακτήρων, καθώς και την έκβαση της ιστορίας. Façade ((hhttttpp::////www.interactivestory.net/) ■ Τεχνικές Τεχνητής Νοημοσύνης καθορίζουν την προσωπικότητα, την συμπεριφορά, τις εκφράσεις των ηρώων, με βάση τον διάλογο σε φυσική γλώσσα που πραγματοποιείται με τον χρήστη. Trailer: http://youtube.com/watch?v=GmuLV9eMTkg